By · Last updated 2026-03-14

Vissza a BlograAI Biztonság

Böngészős DLP: blokkolás versus anonimizálás — 2026-os összehasonlítás

A böngészős DLP két megközelítése: a blokkolás megakadályozza a személyes adatok AI-eszközökbe juttatását; az anonimizálás az elküldés előtt alakítja át az adatokat. Objektív összehasonlítás.

March 14, 202610 perc olvasás
browser DLPnightfall alternativeblocking vs anonymizationChatGPT DLPGenAI securityChrome extension DLPenterprise DLP comparison

Böngészős DLP: blokkolás versus anonimizálás — 2026-os összehasonlítás

A probléma, amelyet mindkét megközelítés megold

A munkavállalók 77%-a rendszeresen másol be érzékeny munkahelyi adatokat AI-chatbotokba, mint a ChatGPT, Claude, Gemini és DeepSeek (LayerX 2025 Vállalati GenAI biztonsági jelentés). Egy 100 fős ügyfélszolgálati csapatnál ez napi szinten GDPR-kitettséget jelent. Az adatok között ügyféladatok, forráskód, pénzügyi tervek, betegnaplók és jogi dokumentumok egyaránt szerepelnek.

A hagyományos vállalati DLP — amelyet e-mailhez és USB-meghajtókhoz terveztek — nem képes elfogni a böngészőalapú AI-promptokat. A blokkoló és az anonimizáló eszközök egyaránt ennek a résnek a kitöltésére jöttek létre. Ugyanazt a problémát oldják meg, de ellentétes filozofiával.


1. megközelítés: Blokkolás

A blokkoló böngészős DLP-eszköz figyeli az AI-eszközökbe irányuló bemeneteket, és megakadályozza a beküldést, ha érzékeny adatot észlel. Az adat nem hagyja el a böngészőt.

Működés a gyakorlatban: Egy alkalmazott ügyfélnevet és ügyfélszolgálati jegyszámot ír be a ChatGPT-be. A blokkoló eszköz észleli a személyes adatot, megállítja a beküldést, és figyelmeztetést jelenít meg, vagy teljesen blokkolja a műveletet. Az alkalmazottnak manuálisan kell eltávolítania az érzékeny adatot a beküldés előtt.

A Nightfall böngészős biztonsági terméke: A Nightfall (sajtóközlemény, 2026. március) böngészőnatív biztonsági megoldást indított, amely — proxi vagy SSL-felügyelet nélkül — elfogja a fájlfeltöltéseket, vágólap-beillesztéseket, űrlapbeküldéseket és képernyőképeket Chrome, Edge, Firefox és Safari böngészőkben. Az eszköz blokkolja az érzékeny adatot tartalmazó beküldéseket az átvitel előtt, és lefedi a SaaS-alkalmazásokat (Slack, GitHub, Google Drive, Salesforce, Zendesk, Microsoft 365) és az endpointokat (USB, nyomtatás, vágólap, Git/CLI) is.

A blokkolás előnyei:

  • Nulla adatátvitel — az érzékeny adat nem hagyja el a böngészőt
  • Az eszköz által osztályozható bármilyen tartalomtípusra alkalmazható
  • Megfelelési jelentéssel kombinálva szabályzat-kikényszerítésként működik
  • Többcsatornás lefedettség: böngésző + SaaS + endpoint egyetlen platformon

A blokkolás korlátai:

  • Megszakítja a munkafolyamatot — az alkalmazottnak manuálisan kell átírnia vagy eltávolítania az érzékeny tartalmat, mielőtt folytathat
  • Árnyék-AI kialakulásához vezet: a blokkolt alkalmazottak személyes, nem felügyelt eszközökre váltanak, ahol az eszköznek nincs hatásköre. A LayerX 2025-ös adatai szerint a vállalati AI-hozzáférés 71,6%-a már nem vállalati fiókokból érkezik
  • Nincs visszaanonimizálás: ha az adat jogos csatornákon keresztül kerül az AI-ba, nincs mechanizmus a visszakeresésre vagy auditálásra
  • IT-telepítést igényel a felügyelt eszközökön — nem fedi le a személyes eszközöket és a nem felügyelt endpointokat
  • Vállalati árazás (értékesítési kapcsolatfelvétel szükséges)

2. megközelítés: Anonimizálás

Az anonimizáló eszköz észleli a böngésző bemenetében lévő személyes adatot, és tokenekkel helyettesíti azt, mielőtt a beküldés elküldésre kerül. Az AI anonimizált adattal kapja a promptot; a felhasználó az eredeti értékeket látja.

Működés a gyakorlatban: Egy alkalmazott ügyfélnevet és ügyfélszolgálati jegyszámot ír be a ChatGPT-be. Az anonimizáló eszköz észleli „Maria Schmidt” nevét, és a prompt elküldése előtt [SZEMÉLY_1]-re cseréli. A ChatGPT válasza [SZEMÉLY_1]-re hivatkozik. Az eszköz ezután visszaanonimizálja a választ — az alkalmazott „Maria Schmidt” nevét látja az AI válaszában. A munkafolyamat megszakítás nélkül folytatódik.

Az anonym.legal Chrome-bővítménye: A Chrome-bővítmény Manifest V3 tartalomszriptként működik a támogatott AI-platformokon (ChatGPT, Claude, Gemini, DeepSeek, Perplexity). Amikor a felhasználó beküld egy promptot, a bővítmény elfogja a szöveget, elküldi az anonym.legal EU-ban tárolt elemző API-jának (Hetzner, Németország), hibrid regex + NLP motorral (spaCy, Stanza, XLM-RoBERTa) 285+ entitástípust észlel 48 nyelven, majd tokenekkel helyettesíti a személyes adatot, mielőtt az AI-szolgáltató megkapja a promptot. A visszafordítható titkosítási opció (AES-256-GCM) lehetővé teszi az eredeti értékek visszaállítását az AI válaszából.

Az anonimizálás előnyei:

  • A munkafolyamat megszakítás nélkül folytatódik — az alkalmazottak normálisan használják az AI-eszközöket
  • Személyes, nem felügyelt eszközökön is működik, ahol a blokkoló eszközök nem telepíthetők
  • Visszafordítható titkosítás: az AI válaszai visszaanonimizálhatók az eredeti értékekkel
  • Átlátható az alkalmazottak számára — pontosan látják, mi kerül anonimizálásra a beküldés előtt
  • GDPR 26. preambulumbekezdés: a helyesen anonimizált adat teljesen kiléphet a GDPR hatálya alól, megszüntetve az adattovábbítási kötelezettségeket
  • Nem igényel IT-telepítést — Chrome Web Store-beli telepítés, nincs MDM szükséges

Az anonimizálás korlátai:

  • A felismerési pontosságtól függ — ha egy személyes adattípust nem észlel, az észrevétlenül átmegy
  • Jelenleg csak Chrome-on érhető el (Firefox, Edge, Safari támogatás fejlesztés alatt)
  • Nem fedi le a SaaS-alkalmazásokat, az endpoint-aktivitást vagy az e-mailt
  • Az anonimizálás minősége befolyásolja az AI-kimenet minőségét — erősen redaktált promptok kevésbé hasznos AI-válaszokat produkálnak

Közvetlen összehasonlítás

DimenzióBlokkolás (Nightfall)Anonimizálás (anonym.legal)
AdatkezelésMegakadályozza az átviteltÁtalakítja az elküldés előtt
Munkafolyamatra gyakorolt hatásMegszakít — az alkalmazottnak újra kell írniaMegszakításmentes — az AI tisztított adatot kap
Működik nem felügyelt eszközönNemIgen
Böngésző-lefedettségChrome, Edge, Firefox, Safari + AI-böngészőkChrome (v1.1.37)
SaaS-monitoringSlack, GitHub, Drive, Salesforce, Zendesk, M365Nem
Endpoint-lefedettségUSB, nyomtatás, vágólap, Git/CLINem
Válasz visszaanonimizálásaNemIgen (visszafordítható titkosítás)
Admin/IT-telepítés szükségesIgenNem (Chrome Web Store)
Kezdő árVállalati (értékesítési kapcsolatfelvétel)€0 ingyenes csomag, €3/hó
AdatrezidenciaUSAEU (Németország, Hetzner)
Zéró ismereti hitelesítésNemIgen (Argon2id + HKDF)
MCP-szerver (AI-eszközök)NemIgen
EntitástípusokNem publikált285+
NyelvekNem publikált48

Melyik megközelítés melyik felhasználási esethez illik

Válasszon blokkolást, ha:

  • Szervezeti szintű szabályzat-kikényszerítésre van szüksége az összes felügyelt eszközön és böngészőn
  • Egyetlen platformon egységes DLP-t igényel SaaS-alkalmazásokra (Slack, GitHub, Google Drive) és böngészős bemenetekre egyaránt
  • Megfelelési jelentéseket és automatizált kármentesítési munkafolyamatokat igényel vállalati auditkövetelményekhez
  • Elsődleges célja az összes érzékeny adat AI-eszközöktől való távoltartása, akár a munkafolyamat megszakítása árán is

Válasszon anonimizálást, ha:

  • Az alkalmazottaknak folyamatosan és megszakítás nélkül kell AI-eszközöket használniuk
  • Védelmet igényel személyes, nem felügyelt eszközökre (a vállalati AI-hozzáférés 67%-a vállalati fiókokon kívülről történik a LayerX 2025 szerint)
  • Az anonimizálás után is felhasználhatónak kell maradniuk az adatoknak — jogi áttekintés, szerződéselemzés, ügyfélszolgálati munkafolyamatok esetén
  • Visszafordítható titkosításra van szüksége, hogy az AI-válaszok az eredeti kimenethez visszaanonimizálhatók legyenek
  • GDPR-megfelelőség: a 26. preambulumbekezdés szerint anonimizált adat teljesen kiléphet a GDPR hatálya alól

Egymást kiegészítő megközelítések: A vállalati IT-csapatok blokkoló DLP-t telepíthetnek szabályzat-kikényszerítésre és SaaS-monitoringra, miközben az egyéni alkalmazottak munkafolyamat-szintű védelemre anonimizálást alkalmaznak. A két megközelítés különböző rétegeken működik.


Az árnyék-AI probléma

A blokkoló eszközök azt feltételezik, hogy minden AI-hozzáférési ponton ki tudják kényszeríteni a szabályzatot. A LayerX 2025-ös adatai szerint a vállalati AI-hozzáférés 71,6%-a személyes, nem vállalati fiókokon keresztül történik — minden MDM vagy felügyelt böngészőprofil hatókörén kívül. Egy vállalati laptopokon érvényesített blokkolási szabályzat nem éri el azt az alkalmazottat, aki telefonjára vagy személyes laptopjára vált, hogy ugyanazt a feladatot elvégezze.

Az anonimizáló eszközök bármely eszközön működnek, mert az egyéni munkafolyamat szintjén, nem a hálózati vagy endpoint-szabályzat szintjén működnek. Egy ügyfélszolgálati munkatárs, aki saját ChatGPT-fiókját használja személyes laptopján, telepítheti a Chrome-bővítményt és anonimizálhatja az adatokat a beküldés előtt — IT-szabályzattól függetlenül.


Összefoglalás

A blokkolás és az anonimizálás nem ugyanazon felhasználási eset versengő termékei. A blokkolás vállalati infrastruktúra — szabályzat, irányítás, audit. Az anonimizálás munkafolyamat-eszköz — egyéni produktivitás beépített megfeleléssel. Ez a különbség döntő, amikor azt értékeljük, melyik problémát kell valójában megoldani.

Azon szervezetek számára, ahol az elsődleges kockázat a felügyelt vállalati eszközökön dolgozó alkalmazottak, akik érzékeny adatokat küldenek AI-eszközökbe, a blokkoló DLP biztosítja a szabályzat-kikényszerítési réteget. Ahol a kockázat kiterjed a személyes eszközökre, az egyéni munkafolyamatokra és az olyan esetekre, ahol az anonimizálás után az adatnak felhasználhatónak kell maradnia, az anonimizálás-első megközelítés tölti ki azt a rést, amelyet a blokkoló eszközök nem képesek lefedni.

Közvetlen összehasonlítás: anonym.legal vs Nightfall | Böngészős DLP-eszközök összehasonlítása 2026

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.